AI热榜 让人工智能代理在实践中发挥作用比许多公司预期的要困难得多，但帮助正在路上。
一批新的初创公司正在寻找更好的方法来在部署这些代理之前对其进行测试和培训，特别是针对现代企业的复杂性。
Arga Labs 就是这样一家公司，该公司于周三宣布了 1000 万美元的种子轮融资。
此轮融资由 General Catalyst 领投，Box Group、Emergence、Gradient 和 SV Angel 跟投。
Arga Labs 为 Salesforce、Workday 和电子邮件客户端等企业软件构建培训环境。
大多数测试环境都采用无状态 API 端点，而 Arga 构建了程序的全面数字孪生，有效克隆了整个企业程序，且权限系统和 Web 挂钩完好无损。
其结果是提供了一种跨多个系统训练代理的更稳健的方法。
首席执行官兼联合创始人 Phillip Li 举了一个例子：一位潜在客户在 Salesforce 中建立了潜在客户，而他们的同事则通过 HubSpot 单独联系。
“代理人能否正确识别出这两家公司是同一家公司？
”李说。
“他们是否能够检查是否只发送过一次电子邮件？
他们是否能够在两次机会中确定将电子邮件发送给谁？
” 代理系统仍然在与这种模糊性作斗争——他认为 Arga Labs 的工具对于帮助他们改进至关重要。
通常，可以通过强化学习来训练代理来完成这样的任务：本质上，运行场景数万次，只让成功的策略通过。
但企业软件的性质使得这种规模的测试几乎不可能。
当您需要再次运行相同的场景时，没有简单的方法可以“重置”像 Salesforce 或 Outlook 这样的系统，更不用说克隆它了 Arga Labs 的解决方案是对该软件进行数字化重建——以碰撞测试假人复制人的方式复制其结构。
由于 Arga 可以完全控制环境，因此重置或修改很简单。
该公司还可以同时运行多个环境，对代理进行不同程序之间复杂交互的培训。
这个想法是复制一个人的完整工作环境，特定任务在不同的程序和知识系统之间重叠。
您可以将其视为缩小编码和其他应用程序之间的强化差距的一种方法。
人工智能编码工具发展如此之快的部分原因是我们已经拥有用于部署、逆向和分析新代码的复杂工具。
这些工具使设置 RL 编码环境变得更加容易，这使我们能够在日益复杂的编码任务上测试和训练 AI 系统。
对于大多数商业软件来说，这些工具尚不存在。
但一旦他们这样做了，你就可以期待人工智能系统能够更好地使用这些程序，从而像彻底改变编码一样彻底改变其他行业。
🔗 原始来源
如果你要核对细节，可以再看原文： TechCrunch AI原文链接